基于作物模型同化遥感物候信息的冬小麦估产方法研究-地图制图学与地理信息工程专业论文.docxVIP

基于作物模型同化遥感物候信息的冬小麦估产方法研究-地图制图学与地理信息工程专业论文.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方 外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名: 日期: 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘, 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 (保密的学位论文在解密后应遵守此规定) 签名: 导师签名: 日期: 年 月 日 万方数据 万方数据 摘要 摘要 利用遥感技术进行大范围的农作物长势监测与产量估算已有三十多年的历 史,然而存在一个不足之处是卫星传感器受到运行周期等因素的影响,在作物整 个生长季中只能获得有限的、离散的观测数据,无法揭示作物的生长发育和产量 形成这一连续演进过程的内在机理,以及气候、土壤、环境对于作物生长的影响, 而这又恰恰是作物模型的优势所在。因此,利用同化方法结合二者进行估产是近 年来国内外的研究热点。 本文首先对 SWAP 作物模型进行标定;然后基于 MODIS-LAI 时间序列数据 产品提取冬小麦物候信息;之后进行模型参数区域化研究,建立基于代价函数的 同化方法,将冬小麦物候信息同化进入 SWAP 作物模型,进行冬小麦产量估算; 最后利用国家农业部公布的县平均统计产量与作物模型估算结果对比,来验证作 物模型的产量估算精度。主要方法和结论如下: (1)利用河北固城实验数据,以及河北南部地区农业气象站点的田间试验资 料对 SWAP 模型有关发育和生长的冬小麦品种遗传特性参数进行了初步确定;其 次将所有作物生长参数划分为三大类,根据作物参数的机理或敏感度对积温,比 叶面积、叶片年龄等参数进行调整。经过调整的 SWAP 模型能够较好地模拟潜在 生产水平下河北南部地区冬小麦生长发育及产量形成过程,并为作物模型在区域 尺度上的应用打下很好的基础; (2)本文基于 MODIS/LAI 时间序列数据进行冬小麦物候提取。首先利用 SG 上包络线滤波方法进行平滑曲线的构建;其次采用 Logistic 曲线拟合的技术,提取 冬小麦物候信息。结果显示随着纬度的降低,返青和抽穗的物候期发生时间逐渐 提前,这一特征与实地调查结果吻合。另外统计结果表明,08 年的物候期特别是 返青期平均要比 07 年晚十天,原因是 08 年初的雪灾所造成的天气寒冷; (3)建立基于代价函数的同化方法,将冬小麦物候信息同化进入 SWAP 作物 模型,进行冬小麦产量估算,利用国家农业部统计产量验证产量估算的准确性。 结果显示:均方根误差 RMSE 在 2007 减小了 5.4%,在 2008 年减小了 15.4%。同 化后使作物模型产量估算的精度有一定提高,实验结果同时表明随着纬度的降低, 本文建立的同化估产方法产量估算精度更高。 关键词:作物模型,遥感,物候,同化,区域产量 I ABSTRACT ABSTRACT Crop growth monitoring and yield assessment at large scale using remote sensing technology has a history of thirty years. However, affected by operating cycle and other factors of the satellite sensors, only the discrete observational data in limited time can be obtained during the whole growing season of the crop. So it is difficult to reveal the internal mechanism of crop growth and yield formation, and the relationship between crop growth with climate, soil, and environmental factors. At the same time, revealing the mechanism and relation is the advantages of the crop model. For these reasons, the

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档